绩效指标的高级考量
直接答案
绩效指标是结果、随时间表现以及与风险相关行为的量化总结。高级考量聚焦于：(1) 实际测量的是什么，(2) 如何从原始输入中计算该测量值，(3) 哪些部分是稳定的，哪些是可变的，以及 (4) 如何在不假设历史关系持续成立的情况下验证结果。
一种实用的思考绩效指标的方法是将机制（你控制的数学和定义）与依赖项（市场状况、执行质量、成本以及你选择数据的方式）分开。这种分离有助于你解释指标的含义，说明即使你的行为不变，指标为何仍可能变化，以及它可能在何处失效。
机制与定义
从对输入和转换的清晰模型开始。例如，许多绩效指标至少需要以下要素：
- 一个收益序列（将盈亏转换为收益）。将收益定义为简单收益（盈亏除以基数）、对数收益或其他约定，并保持一致应用。
- 一个时间窗口和重采样规则（每日、逐笔交易或投资组合权益步长）。重采样选择可能改变波动率、回撤深度和平均值。
- 一个分母（账户权益、保证金、名义价值或初始资本）。两个人可以用不同的分母计算“相同”的指标，得到显著不同的数值。
- 成本处理（点差、佣金、掉期/融资和税）。如果你的数据包含毛收益成交，但你的指标假设为净收益成交，你可能会高估绩效。
然后定义指标本身。典型的指标类别包括：
- 基于收益的指标（平均值或复合增长率）。这些指标对如何计算收益以及时间加权方式敏感。
- 波动率和变异性指标（标准差或类似度量）。这些指标强烈依赖于收益是否等距以及异常值处理方式。
- 回撤指标（从峰值到谷值的下跌及其持续时间）。这些指标依赖于权益定义以及是否一致地按市值计价。
- 风险调整指标（结合收益和波动率的比率）。即使比率公式稳定，当波动率估计值嘈杂或依赖于市场状态时，比率的解释可能发生变化。
一个高级观点是将指标计算视为一个具有明确定义步骤的流水线：原始交易 → 持仓/权益序列 → 收益 → 指标公式。当任何一步模糊时，验证将变得困难。
证据与示例（含明确假设）
以下是一个自包含的示例，说明即使数学相同，依赖项为何重要。
假设：
- 你从在一致时间戳标记的权益曲线计算绩效。
- 收益计算为每日简单收益：r_t = (E_t − E_{t−1}) / E_{t−1}。
- 成本包含在权益中（因此盈亏已扣除E_t中包含的执行费用）。
- 你对每个指标在相同日期范围内进行评估。
示例场景：
- 在一个月内，执行质量提高（成交价更接近预期价格），但融资成本上升（由于持仓周期）。权益变化部分由于成本，部分由于价格变动。
如果你计算两个指标——一个基于收益，一个基于回撤——它们的值可能朝不同方向移动：
- 一个时期可能显示更高的平均收益，但如果收益集中而亏损急剧发生，也可能出现更深的回撤。
- 即使平均收益上升，如果权益在恢复前急剧下跌，回撤度量也可能恶化。
现在考虑一个常见的边缘情况：成本不匹配。假设你计算的盈亏扣除了点差和佣金，但你忘记在某些天的权益序列中包含融资（掉期）。那么收益序列将系统性地产生偏差，任何使用该序列的指标（波动率、回撤、风险调整比率）都更难解释。
这说明了核心依赖原则：指标公式可能正确，但底层序列可能不一致。
局限性与风险
绩效指标可能以几种实质性方式失效。一种有用的高级思维是将每个局限视为对假设的质疑。
-
选择偏差和幸存者偏差 如果你在排除“不良”时期、工具或账户后计算指标，你的结果可能看起来比一致抽样规则下更强。即使没有故意操纵，操作过滤器也可能产生隐藏的选择。
-
分母和归一化混淆 使用账户权益与名义敞口的指标表现不同。如果杠杆或保证金使用随时间变化，基于权益的收益可能反映策略绩效和资本效率变化。
-
市场状态变化和非平稳性 市场可能变化（波动率、相关性结构、流动性）。收益与风险之间的历史关系可能减弱。一个指标可能在数学上仍然有效，但失去预测效用。
-
执行和时序效应 从日终权益计算的指标可能隐藏日内回撤和滑点。如果执行时序与用于回测或数据馈送的定价不同，不同系统的指标可能不可比。
-
小样本不稳定性 一些与风险相关的度量（尤其是波动率估计或回撤持续时间模式）在交易次数少或窗口短时可能变得嘈杂。除以估计值的比率可能剧烈波动。
-
指标冗余可能具有误导性 使用许多测量相似属性的指标可能产生虚假的确认感。如果所有指标依赖于相同的有偏收益序列，你将无法通过查看指标间的一致性来检测偏差。
这些风险并不意味着绩效指标无用。它们意味着解释需要检查假设是否与数据匹配，以及比较是否同类。
验证与下一个问题
独立验证应关注重新计算和敏感性，而不仅仅是解释。
一个可靠的验证方法包括：
- 从原始输入重新计算：从交易或权益步长开始，使用声明的约定和时间窗口重建收益序列。
- 检查分母一致性：确认收益中使用的基数和任何归一化在各时期一致。
- 审计成本包含：验证融资、佣金和点差是否反映在指标使用的权益中。
- 执行敏感性检查：一次改变一个假设（例如收益约定或重采样频率）后重新计算指标，以查看结果的稳定性。
- 将计算与解释分开：计算可能正确，但解释可能受限，因为市场状况变化。
一个有用的下一个问题是：指标的哪些部分在你的控制之下（数据处理和定义），哪些部分来自不可控的变异性（市场状态、执行质量以及司法管辖区或操作差异）？ 如果你无法清晰回答，该指标可能被赋予的信心超过了其底层假设的合理性。